@phdthesis{uninimx17770,
            year = {2025},
          author = {Zurisaddai de la Cruz Severiche Maury},
           title = {Desarrollo de un modelo de optimizaci{\'o}n de consumo energ{\'e}tico en un sistema de administraci{\'o}n de energ{\'i}a utilizando inteligencia artificial.},
          school = {Universidad Internacional Iberoamericana M{\'e}xico},
           month = {Septiembre},
             url = {http://repositorio.unini.edu.mx/id/eprint/17770/},
        keywords = {Sistema de Gesti{\'o}n de Energ{\'i}a Dom{\'e}stica (HEMS), Inteligencia Artificial, Aprendizaje Profundo, LSTM, eficiencia energ{\'e}tica, hogar inteligente},
        abstract = {En vista del aumento en el consumo de energ{\'i}a el{\'e}ctrica y la limitaci{\'o}n de recursos energ{\'e}ticos, es evidente que se deben buscar soluciones para optimizar el consumo, promover la integraci{\'o}n de fuentes renovables y reducir el impacto ambiental. Los Sistemas de Gesti{\'o}n de Energ{\'i}a para el Hogar (HEMS) se presentan como una alternativa razonable que ayudan a optimizar el consumo, a reducir las emisiones de gases de efecto invernadero y contribuyen a combatir el calentamiento global. Por otro lado, la inteligencia artificial (IA) se ha venido utilizando en diversos campos y, en el contexto de la reducci{\'o}n del consumo de energ{\'i}a, ha propiciado una transformaci{\'o}n significativa en los HEMS, desempe{\~n}ando un gran papel en la mejora tanto de la eficiencia como de la sostenibilidad energ{\'e}tica.En este trabajo se desarrolla un modelo de predicci{\'o}n de consumo de energ{\'i}a que integraalgoritmos de inteligencia artificial en un sistema de administraci{\'o}n de energ{\'i}a en el hogar(HEMS), maximizando la eficiencia energ{\'e}tica y reduciendo los efectos negativos sobre el medio ambiente. En particular vamos a integrar un algoritmo de Aprendizaje Profundo (DL),aprovechando sus ventajas para mejorar la toma de decisiones en HEMS. El dise{\~n}o del sistema se basa en un banco de pruebas que contiene cinco dispositivos t{\'i}picos del hogar, cada uno conectado a un medidor inteligente. Los datos de consumo energ{\'e}tico se ingresan al m{\'o}dulo de IA, donde el algoritmo de predicci{\'o}n genera predicciones del consumo que ayudaran a los usuarios a tomar decisiones sobre el consumo energ{\'e}tico y optimizar su consumo futuro.}
}